udmurtNLP/zerpal

--- dataset_info: features: - name: document_id dtype: int64 - name: string_id dtype: int64 - name: source dtype: string - name: title dtype: string - name: date dtype: string - name: url dtype: string - name: string dtype: string - name: file_name dtype: 'null' - name: card_badge dtype: string - name: genre dtype: string splits: - name: train num_bytes: 474023597 num_examples: 1402350 download_size: 129254034 dataset_size: 474023597 configs: - config_name: default data_files: - split: train path: data/train-* language: - udm task_categories: - fill-mask size_categories: - 1M<n<10M ---数据集信息： 特征项： - 字段名：文档标识符（document_id），数据类型：64位整数 - 字段名：字符串标识符（string_id），数据类型：64位整数 - 字段名：source（来源），数据类型：字符串 - 字段名：title（标题），数据类型：字符串 - 字段名：date（日期），数据类型：字符串 - 字段名：统一资源定位符（URL），数据类型：字符串 - 字段名：string（文本内容），数据类型：字符串 - 字段名：file_name（文件名），数据类型：空值 - 字段名：卡片徽章（card_badge），数据类型：字符串 - 字段名：体裁（genre），数据类型：字符串 数据集划分： - 划分名称：train（训练集），总字节数：474023597，样本数量：1402350 下载大小：129254034，数据集总大小：474023597 配置项： - 配置名称：default（默认配置），数据文件： - 数据集划分：train（训练集），文件路径：data/train-* 语言：乌德穆尔特语（udm） 任务类别：fill-mask（掩码填充） 样本规模类别：1M<n<10M（100万<样本数<1000万）

原始信息汇总

数据集概述

数据集特征

• document_id: 数据类型为 int64
• string_id: 数据类型为 int64
• source: 数据类型为 string
• title: 数据类型为 string
• date: 数据类型为 string
• url: 数据类型为 string
• string: 数据类型为 string
• file_name: 数据类型为 null
• card_badge: 数据类型为 string
• genre: 数据类型为 string

数据集分割

• train:
  • 数据量: 474023597 字节
  • 示例数量: 1402350

数据集大小

• 下载大小: 129254034 字节
• 数据集大小: 474023597 字节

语言

• udm

任务类别

• fill-mask

大小类别

• 1M<n<10M